src/streamlit_app.py

import streamlit as st
import os
import pandas as pd
import numpy as np
import faiss
from sentence_transformers import SentenceTransformer
from langchain_groq import ChatGroq
from langchain_core.messages import SystemMessage, HumanMessage

# === Кэшируемая загрузка датасета ===
@st.cache_resource(show_spinner=False)
def load_data():
    # Загружаем уже сохранённый CSV, тот же, что в Colab
    df = pd.read_csv("tvshows_processed2_cached.csv")  # используем сохранённый файл
    df["clean_text"] = df["clean_text"].astype(str).fillna("—")
    return df

# === Инициализация эмбеддинговой модели ===
@st.cache_resource(show_spinner=True)
def init_embedder():
    model_name = "sberbank-ai/sbert_large_nlu_ru"
    embedder = SentenceTransformer(model_name)
    return embedder

# === Загрузка готовых эмбеддингов и FAISS индекса из файлов ===
@st.cache_resource(show_spinner=True)
def load_embeddings_and_index():
    # Проверка наличия файлов
    if not os.path.exists("embeddings.npy") or not os.path.exists("faiss_index.index"):
        st.error("Не найдены сохранённые файлы 'embeddings.npy' и/или 'faiss_index.index'")
        st.stop()

    # Загрузка
    embeddings = np.load("embeddings.npy")
    index = faiss.read_index("faiss_index.index")
    return embeddings, index

# === Поиск близких результатов по семантическому запросу ===
def semantic_search(query, embedder, index, df, k=5):
    query_embedding = embedder.encode([query])
    faiss.normalize_L2(query_embedding)
    distances, indices = index.search(query_embedding, k)
    results = df.iloc[indices[0]].copy()
    results["score"] = distances[0]
    return results[["tvshow_title", "year", "genres", "description", "score"]]

# === Форматирование результатов для LLM ===
def format_docs_for_prompt(results_df):
    formatted = []
    for _, row in results_df.iterrows():
        title = row["tvshow_title"]
        year = row.get("year", "—")
        genres = row.get("genres", "—")
        description = row["description"][:300]
        try:
            year_disp = int(float(year))
        except:
            year_disp = "—"
        formatted.append(f"""
{title} ({year_disp}) — {genres}
{description}...
""")
    return "\n".join(formatted)

# === Кэшируемая инициализация Groq LLM клиента ===
@st.cache_resource(ttl=3600)
def init_groq_llm():
    groq_key = st.secrets.get("GROQ_API_KEY") or st.text_input("🔐 Введите API-ключ Groq:", type="password")
    if not groq_key:
        st.warning("Введите ваш Groq API ключ для генерации ответов.")
        return None
    os.environ["GROQ_API_KEY"] = groq_key
    llm = ChatGroq(model="deepseek-r1-distill-llama-70b", temperature=0, max_tokens=2000)
    return llm

# === Генерация ответа от LLM с учётом результатов ===
def generate_rag_response(user_query, search_results, llm):
    context = format_docs_for_prompt(search_results)
    messages = [
        SystemMessage(content="Ты — эксперт по фильмам и сериалам. Помоги с рекомендациями."),
        HumanMessage(content=(f"Запрос: {user_query}\n\n"
                              f"Найденные подходящие фильмы и сериалы:\n{context}\n\n"
                              "Объясни, почему они подходят, и порекомендуй похожие. Ответь на русском языке."))
    ]
    response = llm.invoke(messages)
    return response.content.strip()

# === Streamlit UI ===
def main():
    st.set_page_config(page_title="Поиск сериалов", layout="wide")
    st.title("📽️ Семантический поиск фильмов и сериалов + Groq AI")

    df = load_data()
    embedder = init_embedder()
    embeddings, index = load_embeddings_and_index()
    llm = init_groq_llm()

    query = st.text_input("🔎 Что хотите посмотреть? Опишите интересующую тему, сюжет или жанр:")

    if query:
        if llm is None:
            st.error("Требуется API-ключ Groq для генерации рекомендаций.")
            return

        with st.spinner("⏳ Выполняется семантический поиск..."):
            results = semantic_search(query, embedder, index, df)

        if results.empty:
            st.warning("Ничего не найдено по данному запросу.")
            return

        st.success(f"Найдено подходящих результатов: {len(results)}")

        for i, row in results.iterrows():
            st.subheader(f"{row['tvshow_title']} ({row['year']}) — {row['genres']}")
            st.write(row['description'][:300] + "...")
            st.caption(f"Сходство: {row['score']:.2%}")
            st.markdown("---")

        if st.button("🧠 Объясни, почему эти фильмы подходят и что ещё посмотреть"):
            with st.spinner("🧾 Генерация ответа от Groq LLM..."):
                answer = generate_rag_response(query, results, llm)
            st.markdown("### 🤖 Рекомендации от AI:")
            st.write(answer)

if __name__ == "__main__":
    main()